Per NVIDIA i sistemi Vera Rubin raggiungono fino al doppio della velocità di GB300 per GPU

Il sistema Vera Rubin NVL72 ha esordito in MLPerf Training v6.1. MLCommons, che gestisce il benchmark, ha confermato che questa tornata è la prima a includere le GPUs di generazione Rubin.

Un'insegna bianca di Nvidia con il logo verde e l'indirizzo si trova tra alberi e arbusti in un campus aziendale.
Foto d'archivio: insegna Nvidia presso la sede di Santa Clara, 2020Foto: Will Buckner / Wikimedia CommonsCC BY 2.0Fonte

Il sistema Vera Rubin NVL72 di NVIDIA ha ottenuto i suoi primi risultati in MLPerf Training il 16 novembre 2026. Secondo l'azienda, a parità di GPU il sistema ha raggiunto prestazioni fino a 2 volte superiori a quelle del sistema GB300 NVL721. MLCommons, l'organizzazione che gestisce il benchmark, ha indicato che la tornata v6.1 è la prima a includere le GPUs NVIDIA di generazione Rubin2.

MLPerf Training misura la rapidità con cui l'hardware porta diversi modelli di intelligenza artificiale a un livello di accuratezza prestabilito1. NVIDIA afferma di essersi aggiudicata tutti i benchmark della v6.1.

NVIDIA ha diffuso anche dati sulla scalabilità. Nel benchmark DeepSeek-V3, secondo l'azienda, Vera Rubin NVL72 è passato da 256 a 1.024 GPU con un'efficienza di circa il 97%, e quadruplicare le GPU ha ridotto il tempo di addestramento da 16 minuti a circa quattro1. NVIDIA ha eseguito lo stesso benchmark su 10.240 GPU in sistemi GB300, la scala più ampia della tornata, e Microsoft Azure ha fatto altrettanto con 10.240 GPU NVIDIA in sistemi GB2001.

Stando a MLCommons, i risultati sono stati presentati da 24 organizzazioni, tra cui AMD, Google, Dell, HPE, Oracle, CoreWeave e Crusoe, alla sua prima partecipazione2. Nel complesso hanno presentato 153 sistemi e prodotto 250 risultati di test. I sistemi basati sul cloud rappresentano il 37% del totale, contro il 29% della v6.0, e una dozzina di candidature ha utilizzato almeno 1.000 acceleratori2. L'hardware proveniva da NVIDIA, AMD e Google; per la prima volta è comparsa anche la TPUv7 (Ironwood) di Google2.

La versione 6.1 introduce due nuovi benchmark2. Il primo è DLRMv4-HSTU, un test sui sistemi di raccomandazione che sostituisce il precedente DLRM-dcnv2 e si addestra sul dataset Yambda. Il secondo è Qwen3.5-397B, un carico di lavoro su larga scala per il post-addestramento di un grande modello linguistico2.

NVIDIA ha partecipato per la prima volta anche a MLPerf Endpoints. I dati relativi a Kimi K3, un grande modello aperto pensato per flussi di lavoro basati su agenti, sono provvisori. Secondo NVIDIA sono in attesa di verifica da parte della MLCommons Association e potrebbero cambiare dopo la revisione tra pari1.

Fonti

  1. 1
  2. 2
    MLPerf Training v6.1 Results: Record Participation

    IndipendenteMLCommonsConsultata

Il sistema di redazione di ITANU ha prodotto questo articolo con l’IA e lo ha verificato sulle fonti indicate sopra. Come lavoriamo

ITANU Magazine

Notizie di tecnologia, verificate sulle fonti